深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
16061	2024-09-23	Translating theory into practice: assessing the privacy implications of concept-based explanations for biomedical AI 2023, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2023.1194993 PMID:37484865	研究论文	本文探讨了基于概念的解释对生物医学AI模型隐私的影响	首次研究并比较了基于概念的解释对生物医学图像分析中深度学习AI模型隐私的影响	研究发现，在更现实的攻击场景中，解释带来的威胁在实践中可以忽略不计	评估基于概念的解释对生物医学AI模型隐私的影响	基于概念的解释对深度学习AI模型隐私的影响	机器学习	NA	深度学习	ResNet50, NFNet, ConvNeXt	图像	三个数据集：ISIC, EyePACS, SCDB
16062	2024-09-23	Generalizing factors of COVID-19 vaccine attitudes in different regions: A summary generation and topic modeling approach 2023 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076231188852 PMID:37485330	研究论文	本研究使用摘要生成和主题建模方法，识别不同地区对三种疫苗品牌态度的影响因素	采用BERTopic聚类和对比学习生成摘要，识别疫苗态度影响因素	NA	识别并概括不同地区对三种疫苗品牌态度的影响因素	三种疫苗品牌（Sinovac、AstraZeneca和Pfizer）的推文	自然语言处理	NA	BERTopic聚类和对比学习	BERTopic	文本	5562条推文
16063	2024-09-23	Mouse brain MR super-resolution using a deep learning network trained with optical imaging data 2023, Frontiers in radiology DOI:10.3389/fradi.2023.1155866 PMID:37492378	研究论文	本文研究了使用深度学习网络对小鼠脑部MRI数据进行超分辨率处理的方法	首次使用高分辨率的小鼠脑部自体荧光数据训练深度学习网络，并通过迁移学习将其应用于MRI数据的超分辨率处理	研究主要集中在小鼠脑部，且需要高分辨率的自体荧光数据进行训练	提高MRI数据的分辨率和诊断价值	小鼠脑部MRI数据	计算机视觉	NA	深度学习	深度学习网络	图像	有限的高分辨率小鼠脑部MRI数据
16064	2024-09-23	YOLO-plum: A high precision and real-time improved algorithm for plum recognition 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0287778 PMID:37498811	研究论文	本文提出了一种改进的YOLOv5算法用于李子识别，提高了识别精度和速度	首次建立了李子的人工数据集，并通过深度学习改进了目标检测算法，提高了未成熟李子的批量识别准确率和速度	目前仅在未成熟李子上进行了验证，未来可能需要扩展到其他未成熟水果	提高水果生长状态的实时、快速、准确和无损批量检测，以提升经济效益	未成熟李子的识别	计算机视觉	NA	深度学习	YOLOv5	图像	首次建立了李子的人工数据集
16065	2024-09-23	Geometric deep learning as a potential tool for antimicrobial peptide prediction 2023, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2023.1216362 PMID:37521317	综述	本文综述了利用几何深度学习技术设计和预测抗菌肽的最新进展	本文介绍了几何深度学习在处理非欧几里得空间数据中的应用，特别是在抗菌肽预测中的潜力	本文主要讨论了当前研究的局限性和未来方向，未提供具体的研究数据或实验结果	探讨几何深度学习在抗菌肽预测中的应用潜力	抗菌肽及其在非欧几里得空间中的结构数据	机器学习	NA	几何深度学习	深度神经网络	非欧几里得空间数据	NA
16066	2024-09-23	Retracted: Evaluation and Stratification for Chinese International Education Quality with Deep Learning Model 2023, Computational and mathematical methods in medicine DOI:10.1155/2023/9840651 PMID:37538452	correction	该文章已被撤回	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
16067	2024-09-23	Research Hotspots and Trends of Deep Learning in Critical Care Medicine: A Bibliometric and Visualized Study 2023, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S420709 PMID:37539364	研究论文	本研究通过文献计量学方法分析了深度学习在重症监护医学中的研究热点和趋势	首次系统评估了全球范围内深度学习在重症监护医学中的研究热点和趋势	研究主要基于文献计量学分析，缺乏实际临床应用的验证	系统评估深度学习在重症监护医学中的研究热点和趋势	全球范围内深度学习在重症监护医学中的应用研究	机器学习	重症监护医学	深度学习技术	CNN, LSTM, RNN, Transformer, 注意力机制	文献	1708篇文献
16068	2024-09-23	Accelerated MRI using intelligent protocolling and subject-specific denoising applied to Alzheimer's disease imaging 2023, Frontiers in neuroimaging DOI:10.3389/fnimg.2023.1072759 PMID:37554641	研究论文	本文通过智能协议和个体特异性去噪技术加速MRI成像，应用于阿尔茨海默病的诊断	利用深度学习进行对比特异性图像去噪，提高加速协议下采集数据的图像质量，并展示了个体特异性图像去噪的效果	NA	加速MRI成像并提高图像质量，以应用于阿尔茨海默病的诊断	MRI成像协议的优化和图像去噪技术	计算机视觉	阿尔茨海默病	深度学习	深度学习模型	图像	25个回顾性数据集
16069	2024-09-23	Characterizing physiological high-frequency oscillations using deep learning 2022-12-07, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/aca4fa PMID:36541546	研究论文	本研究利用深度学习算法分析了儿童颞叶外癫痫患者的脑电图数据，以区分生理性和病理性高频振荡（HFOs）	本研究提出了一种新的弱监督深度学习模型，用于提取和解释生理性HFOs的形态特征	研究样本仅限于儿童颞叶外癫痫患者，结果的普适性有待进一步验证	旨在利用深度学习技术表征生理性高频振荡的显著特征	儿童颞叶外癫痫患者的脑电图数据	机器学习	癫痫	深度学习	深度学习模型	时间序列数据	63,379个高频振荡数据，来自18名儿童
16070	2024-09-23	Self-supervised learning of neighborhood embedding for longitudinal MRI 2022-11, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102571 PMID:36115098	研究论文	本文提出了一种新的自监督学习方法，用于从纵向MRI中提取邻域嵌入，以捕捉脑老化和疾病进展	本文的创新点在于提出了Longitudinal Neighborhood Embedding (LNE)方法，通过在潜在空间中构建年龄一致和进展一致的邻域，改进了脑老化特征的表示	NA	研究目的是改进脑老化特征的表示，以提高下游任务的性能	研究对象包括健康受试者、阿尔茨海默病和轻度认知障碍患者以及青少年酒精饮用者	计算机视觉	神经退行性疾病	MRI	自监督学习	图像	274名健康受试者，632名阿尔茨海默病和轻度认知障碍患者，764名青少年酒精饮用者
16071	2024-09-23	A Blood-Based Metabolite Panel for Distinguishing Ovarian Cancer from Benign Pelvic Masses 2022-11-01, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-22-1113 PMID:36037307	研究论文	研究评估了循环代谢物对卵巢癌风险预测算法的改进作用	开发了一个基于血液的代谢物面板，用于区分早期卵巢癌和良性盆腔肿块，并改进了现有的卵巢癌风险预测算法	NA	评估循环代谢物对卵巢癌风险预测算法的改进作用	早期卵巢癌和良性盆腔肿块	NA	卵巢癌	代谢组学分析	深度学习模型	血液样本	202个卵巢癌病例和190个良性盆腔肿块病例
16072	2024-09-23	Fairness-related performance and explainability effects in deep learning models for brain image analysis 2022-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.9.6.061102 PMID:36046104	研究论文	研究深度学习模型在脑图像分析中的公平性和可解释性影响	首次探讨了可解释人工智能（XAI）方法中不公平表现的体现，并展示了XAI如何用于调查潜在的不公平原因	研究样本仅限于9至10岁的青少年，且仅分析了性别和种族的交叉影响	分析社会人口统计学相关混杂因素对分类器性能和可解释性方法的影响	T1加权脑MRI数据集中的4547名9至10岁青少年	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	4547名9至10岁青少年
16073	2024-09-23	Interpretable deep learning for chromatin-informed inference of transcriptional programs driven by somatic alterations across cancers 2022-10-28, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkac881 PMID:36243974	研究论文	开发了一种名为CITRUS的半解释性神经网络模型，用于在癌症中通过体细胞突变推断转录程序	引入自注意力机制来模拟体细胞突变对转录因子的上下文影响，并使用隐藏节点层显式表示转录因子的状态	NA	开发一种工具，通过解释体细胞突变在特定转录程序中的影响，促进个性化治疗决策	癌症中的体细胞突变和转录程序	机器学习	NA	自注意力机制	神经网络	基因组、转录组和表观基因组数据	17种癌症类型的数据
16074	2024-09-23	3Din vivodose verification in prostate proton therapy with deep learning-based proton-acoustic imaging 2022-10-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac9881 PMID:36206745	研究论文	本文开发了一种基于深度学习的质子-声学成像方法，用于解决前列腺质子治疗中剂量验证的有限视角问题	提出了一种深度级联卷积神经网络（DC-CNN），用于重建高质量的辐射诱导压力，并从压力中推导出精确的3D剂量	研究仅限于前列腺癌患者，且样本量相对较小	提高质子治疗中剂量验证的准确性	前列腺癌患者的质子治疗剂量	计算机视觉	前列腺癌	质子-声学成像	深度级联卷积神经网络（DC-CNN）	图像	81名前列腺癌患者的治疗计划，其中69名用于训练，12名用于测试
16075	2024-09-23	Emerging dominant SARS-CoV-2 variants 2022-Oct-18, ArXiv PMID:36299737	研究论文	本文利用人工智能模型预测SARS-CoV-2新变种的出现及其对感染的影响	结合生物物理学、基因分型、实验数据、代数拓扑和深度学习构建AI模型，准确预测了SARS-CoV-2变种的出现	NA	预测SARS-CoV-2新变种的出现，为政策制定者和疫苗制造商提供准备	SARS-CoV-2病毒及其变种的感染性和抗体抵抗性	机器学习	NA	深度学习	AI模型	基因组数据	NA
16076	2024-09-23	Deep Learning-based Classification of Fibrotic Lung Disease: Can Computer Vision See the Future? 2022-10-01, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202206-1036ED PMID:35704686	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
16077	2024-09-23	G2Φnet: Relating genotype and biomechanical phenotype of tissues with deep learning 2022-10, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010660 PMID:36315608	研究论文	本文介绍了一种名为G2Φnet的深度学习网络，用于关联基因型与生物力学表型，并展示了其在推断小鼠主动脉非线性基因型依赖的力学行为中的应用	提出了G2Φnet，这是一种新颖的神经网络，能够利用有限、噪声和不结构化的实验数据推断生物力学响应并同时归因于相关的基因型	NA	旨在整合遗传学和生物力学特征，以更好地理解基因型与生物力学表型之间的关系	软组织的生物力学特性及其与基因型的关系	机器学习	NA	深度学习	神经网络	实验数据	涉及四个小鼠模型的主动脉数据
16078	2024-09-23	Improving high frequency image features of deep learning reconstructions via k-space refinement with null-space kernel 2022-09, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29261 PMID:35426470	研究论文	本文提出了一种利用空空间核对k空间进行细化以改进深度学习重建图像高频特征的方法	本文的创新点在于使用空空间核对k空间进行细化，从而改善深度学习重建图像中的模糊细节和纹理	NA	本文的研究目的是提出一种新颖的细化方法，以改善深度学习MRI重建中丢失的高频细节和纹理	本文的研究对象是深度学习重建图像中的高频细节和纹理	计算机视觉	NA	深度学习	神经网络	图像	本文在三个大规模公共数据集（膝盖和大脑）上进行了测试
16079	2024-09-23	Bayesian deep learning outperforms clinical trial estimators of intracerebral and intraventricular hemorrhage volume 2022-09, Journal of neuroimaging : official journal of the American Society of Neuroimaging IF:2.3Q2 DOI:10.1111/jon.12997 PMID:35434846	研究论文	本文研究了贝叶斯深度学习在脑内出血和脑室内出血体积估计中的应用，并比较了其与临床试验中使用的线性和半定量估计方法的性能	贝叶斯深度学习方法能够近似不确定性，特别是在脑内出血和脑室内出血估计相交的情况下，提供了一种改进临床试验质量保证的机会	NA	研究贝叶斯深度学习在脑内出血和脑室内出血体积估计中的应用，并评估其与传统估计方法的性能	脑内出血和脑室内出血的体积估计	计算机视觉	脑部疾病	深度学习	贝叶斯深度学习模型	CT影像	使用来自Minimally Invasive Surgery Plus Alteplase for ICH Evacuation (MISTIE) III和Clot Lysis: Evaluating Accelerated Resolution of IVH (CLEAR) III临床试验的诊断CT数据进行训练和验证
16080	2024-09-23	Glo-In-One: holistic glomerular detection, segmentation, and lesion characterization with large-scale web image mining 2022-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.9.5.052408 PMID:35747553	研究论文	开发了一个名为Glo-In-One的工具包，用于肾病理学中肾小球的检测、分割和病变特征描述，并通过大规模网络图像挖掘实现自监督深度学习	提出了Glo-In-One工具包，通过单行命令实现肾小球的全面检测、分割和病变特征描述，并发布了30,000张未标记的肾小球图像以促进自监督深度学习算法的发展	当前版本的Glo-In-One工具包仅提供了细粒度的全球肾小球硬化（GGS）特征描述，未来可能需要扩展到其他类型的病变	开发一个用户友好的工具包，使非技术人员也能进行肾小球的定量检测、分割和病变特征描述	肾小球的检测、分割和病变特征描述	数字病理学	NA	自监督深度学习	NA	图像	30,000张未标记的肾小球图像